郑鑫程 王剑凯 曾晓莹 邱荣祖 王占永 胡喜生

摘 要：機动车保有量的增加导致城市道路环境污染日益严峻，其中重金属污染对道路周边环境以及行人健康都存在极大隐患。为探究交通量及不同扩散条件对道路环境中重金属含量的影响，本文选取福州市金鸡山隧道路段上10个采样点获取路面沉积物样本，并采用X射线荧光光谱分析仪测定沉积物中重金属含量，基于因子分析等方法探究主要受交通活动影响的重金属元素。结果显示，Cr、Fe、Cu、Zn、Y、Pd、Pb主要受交通活动影响。将各采样点样本中7种重金属含量进行对比发现，位于隧道内的样本中，车流量较高侧采样点样品中重金属含量高于较低侧的比例高达76.19%，含量比值为104%～182%;隧道内外样本对比结果显示，83.33%的隧道内样本含量大于隧道外，比值介于101%～231%;以福州市土壤地球化学元素背景值中重金属含量作为评价标准，采用单项污染指数法得出隧道内车流量高、低侧的重金属综合污染指数分别为5.11、4.73，处于重度污染水平;隧道内外则分别为5.20、4.43。由结果可知，较高的车流量会加剧隧道内重金属污染水平，同时，隧道封闭的环境加剧了机动车排放的重金属在路面沉积物中的富集。

关键词：道路环境污染评价;污染物扩散;因子分析;重金属污染;隧道测试

中图分类号：U121 文献标识码：A 文章编号：1006-8023（2021）06-0118-08

Abstract：The urban road environment is becoming more serious with the increase of motor vehicles， among which the threat of heavy metal pollution has greater danger to the surrounding environment and pedestrian health. To explore the influence of traffic volume and different diffusion conditions on heavy metal content in road environment， 10 sampling points on the section of Jinjishan Tunnel in Fuzhou City were selected to obtain road sediment samples. XRF-DP 4050 was used to determine the content of heavy metals in the sediments， and factor analysis was adopted to identified the heavy metals contributed by traffic activities. The results showed that heavy metals such as Cr， Fe， Cu， Zn， Y， Pd， Pb were mainly affected by traffic activities. Comparing the contents of 7 kinds of heavy metals in the samples at each sampling point， it was found that in the samples located in the tunnel， the proportion of heavy metals in the samples on the higher side of the traffic flow than the lower side was as high as 76.19%， and the content ratio was 104%-182%. The comparison of samples inside and outside the tunnel showed that 83.33% of the heavy metal content in the tunnel was higher than outside， and the ratio was between 101%-231%. Taking the heavy metal content in the soil geochemical background value of Fuzhou City as the evaluation standard， the comprehensive pollution indexes of heavy metals on the high and low sides of traffic flow in the tunnel were 5.11 and 4.73 respectively， which was at a heavy pollution level. And the inside and outside of the tunnel were 5.20 and 4.43 respectively. It can be seen from the results that a higher traffic flow will aggravate the level of heavy metal pollution in the tunnel， and at the same time， the closed environment of the tunnel will aggravate the accumulation of heavy metals emitted by motor vehicles in the road surface sediments.

Keywords：Road environmental assessment; pollution diffusion; factor analysis; heavy metal pollution; tunnel test

0 引言

随着我国经济的高速增长，机动车保有量及道路通车里程逐年递增，机动车已成为我国空气污染的重要污染物排放源，对城市环境造成极大威胁，影响着人们的健康。经2018《中国机动车环境管理年报》对北京、上海和天津等15个城市大气PM2.5源解析结果进行统计，显示移动源在本地排放源中贡献占比为13.5%～52.1%。道路运营过程中，机动车颗粒物排放、运输货物泄露和城市建设等人类活动会产生大量的重金属颗粒，并汇集在路面沉积物中[1]，沉积物中颗粒物粒径越小，Pb、Zn、Ni、Hg污染越嚴重[2-3]。交通活动在路面沉积物中重金属贡献率达到70%以上，表明机动车成为沉积物中重金属的主要来源之一[4]，而沉积物中重金属含量提升则主要是由人类活动和车辆交通量增加导致的结果[5]。李灵等[6]测试了武夷山主要道路沉积物的重金属含量，发现Cu、Zn、Pb、Ni之间呈现显著的正相关，且在交通量较大的武夷大道含量较高，因此认为Cu、Zn、Pb、Ni来自交通源。机动车所排放的颗粒物富含各种重金属，可通过肺部呼吸进入人体，亦可进入环境后再通过食物链以生物放大的方式进入人体，重金属因其不可降解和生物放大的特性，对人体健康与环境保护都构成了极大的威胁。道路外侧区域重金属污染主要集中在距离路基较近的区域内，主要有渐降式、先升后降式、先降后升再降式3种分布规律，且路面沉积物易受外动力作用使沉降往复，形成大气颗粒物并通过呼吸道对人体产生危害，亦可通过降雨进入水体或土壤，造成环境污染。

国内外已有大量关于车辆运行过程中尾气、制动和轮胎排放因子的研究，亦有大量关于尾气、制动和轮胎排放颗粒的重金属成分谱的研究，但关于城市道路环境中影响交通活动产生的重金属元素沉积的研究相对较为薄弱[7-11]。在未来机动车保有量将继续增长的趋势下，重金属污染问题将日趋严重，不仅需要对重金属排放量进行计算，还需要探究不同扩散条件对沉积物中重金属含量的影响，并以此为基础制定合理的控制策略，以有效地减轻道路环境中重金属污染，降低危害人体健康及污染自然环境的风险。

1 数据与方法

1.1 数据采集

1.1.1 交通量调查

选取福州市金鸡山隧道路段作为交通量监测路段[12]。金鸡山隧道位于福州市北部，是通向福州市汽车北站以及福州火车站的主要道路。将右线隧道标记为A侧，车流方向自东南向西北;左线隧道标为B侧，车流方向自西北向东南。

以2017年11月17日至2017年12月1日连续两周内的6个工作日，2个周末的7：00—22：00为监测时段，使用Hi-Pro MTC-10多功能交通调查仪进行双向交通量监测。其中，早高峰和晚高峰时段间隔15 min采样一次，平峰时段每1 h采样一次，每次采样15 min。将工作日及周末各个时段交通流当量取平均值并分别计算得到该路段A、B两侧日平均交通量。

1.1.2 路面沉积物取样

在研究路段的A侧隧道内、外，顺车流方向设置采样点A1、A2、A3、A4、A5，各点分别位于隧道外侧100 m、隧道内距离入口50 m、隧道中点290 m、距隧道出口50 m、隧道出口外侧100 m;B侧同样根据车流方向设置采样点B1、B2、B3、B4、B5。每个采样点的路缘石与行车道交界处1～2 m2范围的路面采样区域内，用塑料刷清扫采集沉积物样品并装入聚乙烯采样袋中，每份采样量约50～200 g，每个样点采集沉积物样品3份，2周内重复采集3次，10个样点共采得90个沉积物样品，并在样品袋上记录样品编号、日期和位置等信息。

1.2 路面沉积物中重金属检测

本文采用实验室条件下的X射线荧光光谱法对土壤中重金属含量测定。相较于传统的土壤重金属检测方法（如原子吸收、原子荧光和等离子体发射光谱等），X射线荧光光谱法测定的重金属含量精度依然能达到定量水平（R2=0.7～1），且在实验室条件下将样品进行风干细磨处理能有效提高数据质量[13-14]。因此，将隧道路段各样点采集得到的沉积物样品经室温风干处理后，剔除沉积物样品中尺寸较大的石子、烟头和枯叶等杂物，过100目尼龙网筛。使用美国伊诺斯生产的 DP 4050型 X 射线荧光光谱分析仪，在X射线管电压为40 kV、电流6～10 mA条件下，发射15、30、50 keV 3种高能量射线照射样品各30 s，每次共计90 s，一份样品检测3次取均值得以确定重金属及相关元素含量。

1.3 道路交通重金属污染特性分析

1.3.1 因子分析

因子分析是一种被大量应用于定性识别重金属及相关元素主要污染源类型的多元统计分析方法。因子分析将样品中重金属含量值当作各类污染源贡献的线性组合。经XRF荧光光谱分析仪检测出样品中不同种类的重金属及相关元素，因子分析能找出反映各重金属及相关元素含量值间的内在关联和起到主导作用、相互独立、数量较小的主因子。

因子分析使用降维的方式，从发掘原始变量相关矩阵内在依赖关系的角度出发，把大量错综复杂关系的变量表示成少数的公因子和仅有一个有作用变量的特殊因子线性组合，就是从大量的数据中抓取少数公共因子对整体变量进行解释[14]。

假设有p存在相关关系的随机变量X含有m个彼此独立的因子，公式：

式中：X1，X2，…，Xp为随机变量;F1，…，Fm为公因子;a11，…，apm为公因子的系数，称为因子载荷;ε1，…，εp为特殊因子。

公式（1）需满足以下4个要求，①公共因子数不超过原变量数量，即m≤p;②公因子之间互不相关，即F的协方差矩阵为1;③公共因子F和特殊因子ε之间互不相关;④特殊因子ε之间彼此互不相关[12]。

1.3.2 重金属污染评价

采用单项污染指数法对重金属污染进行评价。单项污染指数法是针对某一种重金属的污染水平进行评价的方法，其计算公式：

式中：Pi为重金属i的污染指数;Ci为重金属i的实测含量;Si为重金属i的评价标准，即背景值，根据福州市土壤中重金属背景含量作为参比值[16-17]。

单项污染指数法将重金属污染程度划分为5个污染等级[18-19]，见表1。

2 结果分析

2.1 路面沉积物实测重金属交通源解析

经X射线荧光光譜仪检测，金鸡山隧道路段采样点A1—A5和B1—B5的沉积物共检测出33种金属及元素，其中，11种金属Mo、Rh、Ag、Cd、Sb、W、Pt、Au、Hg、Bi、Th低于仪器检测下限未检出;余下22种已检出的元素包括：4种非金属元素Si、P、S、Cl，4种轻金属元素Al、Ca、Ti、V，14种重金属元素Cr、Mn、Fe、Ni、Cu、Zn、Rb、Sr、Y、Zr、Nb、Pd、Sn、Pb。

统计隧道路段所有采样点的22种轻、重金属元素及非金属元素含量的最大值、最小值、平均值、标准差、变异系数，结果见表2。变异系数大于15%的金属及元素由大到小依次为：Cl、Cu、Cr、S、Al、Zn、Ni、Ca、Zr，变异系数为10%～15%的金属及元素由大到小依次为：P、Sr、Ti、Nb、Pd、Sn、Y、Si、Pb，变异系数小于10%的金属由大到小依次为：V、Rb、Fe、Mn。变异系数越大相应的金属及元素在空间上分布越不均匀，即空间分异现象较强，该元素受人为活动影响剧烈。

采用因子分析法对隧道内沉积物检出的4种轻金属、14种重金属和4种非金属元素含量分别进行来源分析。首先使用SPSS 22.0软件对数据进行KMO（Kaiser-Meyer-Olkin ）和巴特利特（Bartlett）球形度检验。由表3可知，KMO度量值为0.69，大于0.50，Bartlett球形度检验的近似卡方为606.19，自由度为231.00，显著性小于0.05，故拒绝零假设，相关系数不是一个单位阵，满足检验的标准，适合做因子分析，且22种元素适合全部做因子分析无须筛选。

对22种元素进行因子分析后，保留6个特征值大于1，且累计贡献率大于70%的主因子，见表4，累计贡献率达72.55%。其中，因子1方差贡献最大为31.21%，因子2到因子6在方差贡献率范围为5.36%～11.00%。

因子1方差贡献率为31.23%，是隧道内路面沉积物最主要的污染来源，表5中因子1中因子载荷大于0.50的元素包括非金属S、轻金属Ca、Ti、重金属Cr、Fe、Cu、Zn、Y、Pd、Pb，其中的Cu、Zn、Pb常被作为交通源的污染特征重金属元素。Cu主要来源于机动车的制动颗粒，同时禁止将四乙基铅作为抗爆剂加入汽油中，使Pb的尾气排放大量减少，制动颗粒便成为了Pb的主要来源[12]。此外，制动颗粒对S、Ti、Cr、Fe也有部分贡献;轮胎颗粒则是Zn的主要来源，同时也承担部分S、Pd的排放，但现有研究认为沉积物中的Pd与尾气管中三元催化剂的贵金属镀层有关[20-21];而Ca含量则受尾气颗粒影响[12]。

因子2的方差贡献率达11.00%，因子2中因子载荷大于0.50的元素有轻金属Al、非金属Si、重金属Rb，Al和Si是环境中富含的地壳元素，因此可将因子2解释为土壤等富含地壳元素的自然源[16-17]。因子3—因子6载荷超过0.50的元素有P、Mn、Ni、Y、Nb、Sr，这些元素来源广泛且无明显的特征元素，暂时无法确定其明确来源，但可推测这4个主因子并非交通主导的污染源。

2.2 交通量和扩散条件对路面沉积物重金属的影响

2.2.1 交通量对沉积物中重金属含量影响

汇总统计2017年11月17日至2017年12月1日连续两周内金鸡山隧道路段每日7：00—22：00共15个小时内的交通量。研究时段内A、B两侧工作日分别日均通过75 200 pcu和64 176 pcu，周末A、B两侧日均分别通过65 802 pcu和55 359 pcu。隧道路段工作日期间的7：00—9：00和16：00—18：00 2个时间段内交通量呈现明显的早、晚高峰特征，A侧平峰时段交通量为3 500～4 500 pcu，B侧则略低于A侧，主要为3 000～4 000 pcu。A侧的高峰小时数、总交通量均多于B侧，这是由于福州火车站、福州汽车北站位于研究路段的西北方向导致大量客流需从A侧前往这2个交通枢纽。此外，对A、B两侧交通流的车型构成进行对比未发现存在显著差异。

选取2.1中因子1（交通源）中因子载荷大于0.5的Cr、Fe、Cu、Zn、Y、Pd、Pb 主要受交通影响的重金属。表6和表7为Cr、Fe、Cu、Zn、Y、Pd、Pb重金属分别在A1/B1、A2/B2、A3/B3、A4/B4、A5/B5这5对采样点的含量对比结果，共计35个比值结果。其中，21个比值结果显示大于100%（A>B），即有部分重金属在A侧含量大于B侧，数量占比为60%，A侧重金属含量约为B侧重金属含量的104%～182%。对比Cr、Fe、Cu、Zn、Y、Pd、Pb在A2/B2、A3/B3、A4/B4这3对隧道内采样点的重金属含量，A>B的个数分别是6、5、5，占隧道内总对比数量的76.19%。

由比值结果可见，交通量较大的A侧的重金属含量相对较高。因此，将A、B两侧采样点的重金属含量进行独立样本t检验，以探究交通量对道路环境沉积物中重金属含量的影响。表8结果显示，Fe、Cu、Zn、Pb通过了独立样本t检验，显著性水平分别为0.04、0.01、0.04、0.05。由此表明，交通量大小对Fe、Cu、Zn、Pb在道路环境沉积物中的含量具有显著性影响。

2.2.2 扩散条件对沉积物中重金属含量的影响

为探究不同扩散条件对交通源重金属在沉积物中富集的影响，将隧道外沉积物中Cr、Fe、Cu、Zn、Y、Pd、Pb交通源主导的重金属含量取平均值后与隧道内各样点（A2—A4、B2—B4）的重金属含量进行对比。

表9为Cr、Fe、Cu、Zn、Y、Pd、Pb等分别在隧道内A2、A3、A4、B2、B3、B4采样位置与隧道外重金属含量平均值的对比结果。42个对比结果中共有35个对比结果显示隧道内重金属含量大于隧道外重金属含量，数量占比为83.33%，其中，隧道内各样点重金属含量约为隧道外重金属含量的101%～231%。Pd是由仅在隧道内沉积物中检测出其含量，隧道外低于检测值无法得出确切比值，但由此可知其隧道内含量远高于隧道外。

对6种交通源主导的重金属Cr、Fe、Cu、Zn、Y、Pb在隧道内、外采样点的样品含量 （即A2—A4、B2—B4与A1、A5、B1、B5）进行独立样本t检验，以确定受扩散条件影响容易富集的重金属元素。由表10可知，Cr、Fe、Cu、Zn、Pb通过t检验，显著性水平分别为0.02、0.05、0.00、0.00、0.03，证明隧道内不利的扩散条件，加剧了该类重金属的富集。

2.3 路面重金属污染评价

根据单项污染指数法对隧道路面沉积物中的重金属进行评价，即将沉积物重金属含量与地球化学背景值含量进行比对。福州市自然环境土壤中重金属元素的背景值以成杭新等[15]罗列的福州市土壤化学元素背景值与基准值及陈振金等[16]对福建省土壤元素背景值的研究作为参考依据。

共得出路面沉积物中Cr、Mn、Fe、Ni、Cu等13种重金属污染评价结果。由评价结果得，Rb、Y污染指数低于0.70，属于无污染;Mn、Fe、Zr、Nb污染指数介于0.7与1之间，暂无污染，低于警戒值;Cr、Ni、Cu、Zn、Sr、Pb、Sn污染指数大于1，已造成污染。因背景值中暂无贵金属Pd的含量，故无法对其进行污染评价。

Cr在道路A侧隧道外、内Pi分别为3.08、3.41，处于重度污染，B侧隧道外、内Pi分别为2.06、2.66，处于中度污染;Cu在隧道外Pi 为2.48，处于中度污染、其他结果Pi为3.04～4.29，均为重度污染;Zn在隧道内Pi为2.16，处于中度污染、其他结果为1.48～1.91，处于轻度污染;Pb的Pi介于1.11～1.24，均为轻度污染。其中，由于Ni、Sr和Sn在上文被认为非交通主导污染源，故该部分未对这几类污染物进行计算。

道路A、B两侧的综合污染指数分别为5.11、4.73，隧道内外分别为5.20、4.43，该路段综合污染指数均大于3，表明该路段重金属整体处于重度污染水平，且重金属含量已远超出福州市土壤环境背景值。其中，道路A侧重金属污染水平高于B侧，主要是由于A侧交通量较大而导致富含重金属的颗粒物被大量排放入環境中。隧道内重金属污染水平高于隧道外，这是由于隧道内属于半封闭空间、扩散条件较差，车辆排放的重金属更易在隧道内富集。这类重金属污染水平较高的沉积物易进入大气、水体、土壤，会对人体及环境产生直接或间接危害，需采取相应手段进行防治。

根据2.1中的沉积物重金属来源解析结果，可知7种达到轻度污染水平以上的重金属中Cu、Cr、Zn、Pb是主要来自交通源的重金属，再根据各采样点沉积物中4种交通源导致的重金属污染元素评价结果制成折线，如图1所示。由图1可知Cu、Cr、Zn、Pb在隧道内的污染指数要高于隧道外污染指数，且易随车辆方向（A2→A4、B2→B4）污染指数递增，在距离隧道出口50 m处（A4、B4）达到峰值。

3 结论与讨论

由于金鸡山路段属于繁忙路段，较大的车流量可能导致路段拥堵，车辆行驶状况多变、频繁制动等原因促进了制动因子及轮胎因子的排放。其中，交通量较大侧的7种交通源导致的重金属（Cr、Fe、Cu、Zn、Y、Pd、Pb）含量为交通量较小侧含量的104%～182%。Fe、Cu、Zn、Pb元素通过t检验证明在沉积物中的含量受交通量影响，加之隧道内这类半封闭且污染来源较为单一的环境，导致沉积物中由交通源主导的重金属元素含量增加。主要来自制动和轮胎颗粒的Cr、Fe、Cu、Zn、Pb元素在隧道内扩散不良条件下更加容易富集，约为隧道外含量均值的101%～231%，且在隧道内随车流方向污染指数递增，在距离隧道出口50 m处达到峰值。而这类重金属污染水平较高的沉积物易进入大气、水体、土壤，会对人体及环境产生直接或间接危害。因此，修建道路时适当改善不易于污染物扩散的因素，有利于预防道路环境污染[22]。此外，Cu、Cr、Zn、Fe、Pb主要来自机动车制动，可通过提高道路行驶速度、通畅水平，减少制动进而降低该类重金属污染物的排放。

交通流中车型构成、行驶速度等因素对重金属的生成和沉积也具有直接影响，本文的研究忽视了A、B两侧车辆行驶速度受交通量差异影响而存在的差异。此外，本文仅选取金鸡山隧道路段对比A、B两侧沉积物中重金属的含量来分析交通量与沉积物中重金属含量的关系相对粗糙，未来可通过分析更多不同类型道路或路段，降低其他因素对重金属生成和沉积的影响。

【参 考 文 献】

[1]薛红琴，韩晓丽，赵尘.道路沉积物重金属污染特性研究探讨[J].森林工程，2011，27（2）：64-68.

XUE H Q， HAN X L， ZHAO C. Study on the pollution characteristics of heavy metal in road surface sediments[J]. Forest Engineering， 2011， 27（2）： 64-68.

[2]杨仪方，钱枫，张慧峰，等.北京市交通干线周围可吸入大气颗粒物的污染特性[J].中国环境科学，2010，30（7）：962-966.

YANG Y F， QIAN F， ZHANG H F， et al. Characteristics and source apportionment of PM10 at urban traffic trunk roads and surrounding areas in Beijing[J]. China Environmental Science， 2010， 30（7）： 962-966.

[3]王学松.城市道路不同粒径沉积物中Pb的污染特征[J].淮海工学院学报（自然科学版），2005，14（1）：62-65.

WANG X S. Effect of urban traffic on lead in grain size fractions of road-deposited sediment[J]. Journal of Huaihai Institute of Technology， 2005， 14（1）： 62-65.

[4]朱伟，边博，阮爱东.镇江城市道路沉积物中重金属污染的来源分析[J].环境科学，2007，28（7）：1584-1589.

ZHU W， BIAN B， RUAN A D. Analysis of sources of heavy metal contamination in road-deposited sediment from Zhenjiang[J]. Environmental Science， 2007， 28（7）： 1584-1589.

[5]任玉芬，王效科，欧阳志云，等.北京城区道路沉积物污染特性[J].生态学报，2013，33（8）：2365-2371.

REN Y F， WANG X K， OUYANG Z Y， et al. The pollution characteristics of Beijing urban road sediments[J]. Acta Ecologica Sinica， 2013， 33（8）： 2365-2371.

[6]李靈，张玉，连艳雪，等.武夷山市公路路面沉积物重金属污染与评价[J].云南农业大学学报（自然科学），2015，30（6）：916-923.

LI L， ZHANG Y， LIAN Y X， et al. Pollution and assessment of heavy metals in roadside pavement sediment of Wuyishan city[J]. Journal of Yunnan Agricultural University （Natural Science）， 2015， 30（6）： 916-923.

[7]樊守彬.车辆非尾气管颗粒物排放特征研究[J].环境科学与技术，2011，34（5）：124-127.

FAN S B. Non-exhaust particles emission characteristics from on-road vehicles[J]. Environmental Science & Technology， 2011， 34（5）： 124-127.

[8]樊守彬，田灵娣，张东旭，等.北京市机动车尾气排放因子研究[J].环境科学，2015，36（7）：2374-2380.

FAN S B， TIAN L D， ZHANG D X， et al. Emission factors of vehicle exhaust in Beijing[J]. Environmental Science， 2015， 36（7）： 2374-2380.

[9]戴贤明.废轮胎热解过程及产物特性试验研究[D].武汉：华中科技大学，2009.

DAI X M. Experimental research on pyrolysis process of waste tyres and characteristics of pyrolytic products[D]. Wuhan： Huazhong University of Science and Technology， 2009.

[10]石爱军，马俊文，耿春梅，等.北京市机动车尾气排放PM10组分特征研究[J].中国环境监测，2014，30（4）：44-49.

SHI A J， MA J W， GENG C M， et al. Characteristics of chemical composition of particulate matter （PM10） from Beijing vehicle[J]. Environmental Monitoring in China， 2014， 30（4）： 44-49.

[11]FIGI R， NAGEL O， TUCHSCHMID M， et al. Quantitative analysis of heavy metals in automotive brake linings： a comparison between wet-chemistry based analysis and in situ screening with a handheld X-ray fluorescence spectrometer[J]. Analytica Chimica Acta， 2010， 676（1/2）： 46-52.

[12]郑鑫程，王剑凯，曾晓莹，等.不同车型的颗粒物及重金属元素排放分担率研究[J].环境科学与技术，2021，44（7）：60-69.

ZHENG X C， WANG J K， ZENG X Y， et al. Study on the sharing rate of particulate matters and heavy metal emissions of different vehicle types[J]. Environmental Science and Technology， 2021， 44（7）： 60-69.

[13]李晨曦.关于城市绿化规划对防治雾霾的作用探讨[J].林业科技情报，2018，50（1）：84-85.

LI C X. Discussion on the effect of urban greening planning on the prevention and control of haze[J]. Forestry Science and Technology Information， 2018， 50（1）： 84-85.

[14]冉景，王德建，王灿，等.便携式X射线荧光光谱法与原子吸收/原子荧光法测定土壤重金属的对比研究[J].光谱学与光谱分析，2014，34（11）：3113-3118.

RAN J， WANG D J， WANG C， et al. Comparison of soil heavy metals determined by AAS/AFS and portable X-ray fluorescence analysis[J]. Spectroscopy and Spectral Analysis， 2014， 34（11）： 3113-3118.

[15]石洪波，吕亚丽.因子分析降维对分类性能的影响研究[J].中北大学学报（自然科学版），2007，28（6）：556-561.

SHI H B， LV Y L. Research on the effect of factor-analysis-based dimension reduction on classification performance[J]. Journal of North University of China （Natural Science Edition）， 2007， 28（6）： 556-561.

[16]成杭新，李括，李敏，等.中國城市土壤化学元素的背景值与基准值[J].地学前缘，2014，21（3）：265-306.

CHENG H X， LI K， LI M， et al. Geochemical background and baseline value of chemical elements in urban soil in China[J]. Earth Science Frontiers， 2014， 21（3）： 265-306.

[17]陈振金，陈春秀，刘用清，等.福建省土壤环境背景值研究[J].环境科学，1992，13（4）：70-75.

CHEN Z J， CHEN C X， LIU Y Q， et al. Study on soil environmental background values in Fujian Province[J]. Environmental Science， 1992， 13（4）： 70-75.

[18]董騄睿，胡文友，黄标，等.基于正定矩阵因子分析模型的城郊农田土壤重金属源解析[J].中国环境科学，2015，35（7）：2103-2111.

DONG L R， HU W Y， HUANG B， et al. Source appointment of heavy metals in suburban farmland soils based on positive matrix factorization[J]. China Environmental Science， 2015， 35（7）： 2103-2111.

[19]陈泽华，焦思，余爱华，等.土壤重金属污染评价方法探析：以南京市为例[J].森林工程，2020，36（3）：28-36.

CHEN Z H， JIAO S， YU A H， et al. Analysis on evaluation methods of heavy metal pollution in soil： taking Nanjing as an example[J]. Forest Engineering， 2020， 36（3）： 28-36.

[20]杨弘，张君秋，王维，等.太原市大气颗粒物中重金属的污染特征及来源解析[J].中国环境监测，2015，31（2）：24-28.

YANG H， ZHANG J Q， WANG W， et al. The elemental pollution characteristics and source apportionment of atmospheric particulate in Taiyuan[J]. Environmental Monitoring in China， 2015， 31（2）： 24-28.

[21]ZHONG L F， LI J， YAN W， et al. Platinum-group and other traffic-related heavy metal contamination in road sediment， Guangzhou， China[J]. Journal of Soils and Sediments， 2012， 12（6）： 942-951.

[22]赵戈榕，刘燕，钟钰祺，等.秋季校园不同下垫面PM2.5浓度的研究[J].森林工程，2020，36（6）：46-54.

ZHAO G R， LIU Y， ZHONG Y Q， et al. Study of PM2.5 concentration about different underlying surfaces on campus in autumn[J]. Forest Engineering， 2020， 36（6）： 46-54.